• 策略核心逻辑：通过Sharpratio作为风险回报供给端指标，ERP作为需求端指标，利用模糊隶属度算法对这两个指标按历史60周数据划分为高/中/低档位，实现跨维度指标量纲统一与信号稳定性[page::1][page::2][page::3][page::4]。

• 模糊隶属度算法细节：计算指标当前值与历史低/中/高档位中心的距离并转换为隶属度值，设定阈值0.9保证档位明确性，提升信号判定及模型准确性[page::3][page::4]。

• 策略信号与市场走势验证：当Sharpratio档位高于ERP档位，发出买入信号，随后20交易日内上证综指平均上涨约3.8%，胜率为74%；反之则发出卖出信号，20日内平均收益3.49%，胜率61%[page::5][page::6][page::7]。

• CTA策略实证表现：基于风险供求关系构建的CTA策略展现了稳定累积净值增长，反映策略在实际投资场景下具有可操作性和良好收益[page::5][page::6].

• 分年度表现及阈值敏感性分析[page::8][page::9]:

| 年度 | 2007 | 2009 | 2012 | 2013 | 2014 | 2015 | 2017 |
|--------|--------|--------|--------|---------|--------|---------|--------|
| 买入收益率 | 10.98% | 4.90% | 0.37% | -3.55% | 6.16% | 14.80% | 0.43% |
| 买入胜率 | 100.0% | 80.0% | 50.0% | 0.0% | 80.0% | 100.0% | 72.73% |

| 阈值 | 0.9 | 0.8 | 0.7 | 0.6 | 0.5 |
|--------|--------|--------|--------|--------|--------|
| 买入收益率 | 3.82% | 3.32% | 2.30% | 1.51% | 1.39% |
| 买入胜率 | 74.36% | 71.19% | 68.35% | 63.72% | 63.69% |

结果显示买入信号多头表现显著，空头效果略差但依然有效，且随着阈值下降预测效力减弱[page::8][page::9].

• 量化策略总结：策略以风险回报的供给端和需求端核心指标为量化基础，应用模糊隶属度算法解决指标量纲统一和信号稳定难题，通过供需档位不匹配产生的买卖信号实现择时，回测显示优良收益和稳定胜率，具备一定实盘应用潜力[page::2][page::3][page::5][page::6][page::7][page::10]。

基于风险供求模糊匹配的择时策略 —— 深度分析报告

---

一、元数据与概览

• 报告标题: 基于风险供求模糊匹配的择时策略

- 作者: 陈奥林 Allin君行

• 发布机构: 国泰君安证券研究

- 发布时间: 2018年12月12日

• 研究主题: 基于市场风险回报供需关系，通过模糊隶属度模型构建风险回报比的供给端与需求端匹配程度，进而构建择时策略并预测资产价格走势。

- 核心论点:
本文提出通过风险回报比的供需平衡状态，利用数量化指标（Sharpratio和ERP）和模糊隶属度算法，量化市场风险回报的供给与需求，从而发现市场风险供求的不匹配，并用此进行择时交易。策略在发出买入信号后20个交易日平均收益3.8%，胜率74%，表现显著稳定。该策略补充了传统基于动量及反转模型的择时方案。

• 报告目的: 给出一种基于经济学宏观供需理论与投资者风险回报要求结合的择时新框架，提供指导交易决策的量化方法。

---

二、逐节深度解读

2.1 摘要与引言

• 关键内容:

报告指出，资产价格变化的根本原因是标的资产的供需关系失衡引起的均衡点转移，而供需变化的背后是投资者预期的变化。当前多数大势研判依赖主观演绎与逻辑推断，时效性强但对投资者专业能力依赖高。报告提出通过量化“风险回报供给端与需求端”这对变量，借助模糊隶属度模型，客观衡量并预测价格走势，从而减少人为主观判断限制。

• 解读:

作者旨在从更本质的经济学供需出发构建择时策略，试图定量化主观“预期变化”这一难以捉摸的概念。采用模糊隶属度模型作为桥梁，减少指标间无法直接比较的量纲差异，提升策略信号稳定性，充分体现了理论到实际应用的全过程思考。[page::0,1]

2.2 风险供求模糊匹配模型

2.2.1 供给端指标选择

• 关键论点: 选择Sharpratio（夏普比率）作为风险回报实际供给端指标。

- 定义与意义:
$$
Sharp\ratio = \frac{E(R)}{\sigmaR}
$$
其中$E(R)$是当周上证综指日收益率均值，$\sigmaR$是收益率标准差。该指标衡量单位风险下的实际获得收益，代表市场愿意为单位风险提供多少回报。供给端高，则意味着市场风险资本充裕、投资者有较大风险承担能力。[page::1]

2.2.2 需求端指标选择

• 关键论点: 选用风险溢价率ERP（Equity Risk Premium）作为需求端，代表投资者风险要求回报。

- 计算依据:
通过DDM股利贴现模型反推ERP，具体地：
$$
ERP \approx \frac{1}{PE} + g - Rf
$$
其中$1/PE$是市盈率倒数，$g$为GDP季度增长率，$Rf$为无风险利率（十年期国债收益率）。ERP反映投资者对承担风险预期的最低补偿要求。若ERP高，表示投资者对风险回报有较高期望。

• 意义: 通过ERP接近投资者在特定风险下的心理预期，体现需求端。两指标分别从市场实际风险报酬与投资者风险报酬期望构建供需框架，为量化风险供求提供理论依据。[page::2]

2.2.3 模糊隶属度模型框架

• 模型设计:

传统指标因量纲不同，不便直接比较。作者设计模糊隶属度方法，把Sharpratio和ERP的历史序列（过去60周）值映射为“档位”——高、中、低三个等级。

• 算法核心:

- 将指标划分3档，每档设定中心点，过程考虑当前指标值与该档中心点的距离，用隶属度$\mu$表达属于该档的程度，$\mu$取值在[0,1]。
- 若指标隶属某档程度超过阈值（0.9），则判定指标处于该档，否则判为模糊状态，不属于任何档位。
- 比较Sharpratio档位与ERP档位得出供需关系：
- Sharpratio档位 > ERP档位 → 供给大于需求，风险回报供过于求，资产将受追捧，价格上涨信号。
- Sharpratio档位 < ERP档位 → 需求大于供给，风险回报供小于求，资产不受追捧，价格下跌信号。

• 特点:

该方法统一量纲，抑制短周期波动带来的信号频繁波动，提高交易信号稳定性。此设计有效避免了直接指标数值比较的技术难题。[page::2,3,4]

2.3 模糊隶属度算法数学细节

• 计算流程:

- 计算60周历史序列的最小值、最大值、及中心差值$\Delta$。
- 根据档位$v=0,1,2$确定中心点$w\nu$。
- 用高斯钟形函数计算隶属度：
$$
\mu{xt, \nu} = \exp\left(-\frac{(xt - w\nu)^2}{2\sigma^2}\right), \quad \sigma = \frac{\Delta}{q}, q=2.35
$$

• 隶属度阈值取值: 0.9确保了档位划分清晰无交叉，提高判断精度和预测的显著性。

- 图2说明: 图示了模糊状态现象，即当前值处于两个档位之间时，隶属度均不高于阈值，表示指标当前状态模糊非明确档位。

• 实操意义: 该方法不仅解决了指标比较的技术难题，还避免策略信号频繁切换产生的噪声，提升策略执行的实用性。[page::4]

---

三、图表深度解读

图1 模型框架图（第3页）

• 内容:

展示了模型流程：供给端指标（风险实际回报）和需求端指标（风险要求回报）分别经模糊隶属度处理得档位，比较两者档位后判断是否发出买入或卖出信号。

• 解读:

直观表达了从原始指标到处理再决策的完整链条，体现了模型设计逻辑。货真价实地将经济学风险供需理论映射到实际金融策略，使理论可操作化。[page::3]

---

图3 上证综指收盘价与信号（第5页）

• 内容:

折线表示上证综指收盘价，橙色竖线为买入信号，灰色竖线为卖出信号。

• 解读:

信号与价格走势对应，买入信号多出现在价格相对较低区域后，相应时段价格呈上涨趋势；卖出信号多见于价格高位或明显回调前，表现出策略对行情转折的捕捉能力。

• 关联: 强烈支持模型理论逻辑，表明风险回报供需不匹配能有效预测未来价格方向，说明该策略在预测市场趋势方面具有稳定信号发出能力。[page::5]

---

图4 CTA策略累计净值（第6页）

• 内容:

2007年至2017年基于该策略的资金曲线，呈逐渐上升态势，净值约翻倍（2.15倍）。

• 解读:

策略在较长时间内实现正收益且稳健增长，波动较小，显示稳定的绝对收益能力。

• 重要: 说明该基于风险供求模糊匹配的策略不仅有理论上的解释力，还可实现实际资产管理的投资回报，符合量化CTA策略预期。[page::6]

---

图5 事件发生后20日累计收益率（第7页）

• 内容:

买入信号后20日累计收益率（蓝线）持续上升，最大涨幅约为3.8%，卖出信号后20日累计收益率（橙线）也呈现下跌趋势，但幅度相对较小。

• 结合表格:

买入信号平均收益3.82%，胜率74.36%；卖出信号收益3.49%，胜率61.11%，开仓次数分别为39次和18次。

• 分析:

该事件驱动策略在20个交易日窗口内拥有较好收益和较高胜率。其中买入信号表现更为突出，策略的多头效力明显优于空头，表明供过于求环境下资产价格有较强上升动力。[page::7]

---

图6 & 表2 买入信号分年度累计收益率与回测结果（第8页）

• 内容:

- 图6展示不同年份20日内买入信号的累积收益表现，2015年收益最高达到接近15%。
- 表2显示，除了少数年份，如2013年赚取负收益外，大部分年份收益率正向，胜率一般较高，特别在2015年达100%。

• 解读:

策略多头效果明显受市场趋势影响，强势行情时（2015年牛市）表现优异，非趋势市场效用低。策略在长期牛市环境中具有放大收益特点，验证了择时策略对趋势行情的捕捉能力。[page::8]

---

图7 & 表3 卖出信号分年度累计收益率与回测结果（第9页）

• 内容:

- 图7为卖出信号情况下不同年份20日累计收益率变化，2008和2010年表现最佳，收益分别达9.12%、3.49%。
- 表3数据显示空头胜率波动较大，且部分年份表现不佳（如2011年和2015年负收益）。

• 解读:

策略空头端效果整体略逊于多头端，但对规避大盘大跌风险（如2008年全球金融危机）有效，具备风险管理功能。部分年份空头信号有效性不足，可能因市场环境复杂，提示在实际应用需结合其他风险管理工具。[page::9]

---

表4 & 表5 参数敏感度测试（第9页）

• 内容:

- 测试了不同隶属度阈值（0.9、0.8、0.7、0.6、0.5）对买入卖出信号策略表现的影响。

• 结果:

- 阈值降低时，买入信号收益率和胜率均降低，说明显著信号（高阈值）发出的供求不匹配程度更强，预测效果更好。
- 卖出信号同理，阈值越高，策略效果越佳。

• 解读:

模糊隶属度阈值设置对策略效果关键，过低阈值会带来信号噪音与误判，失去预测意义。该项分析突出了模型参数选择的合理性与重要性。[page::9]

---

四、估值分析

本报告主要围绕量化择时策略构建，未包含传统企业估值指标或DCF等估值模型分析。其“估值”体系依托风险回报供给/需求的关系判断资产未来的相对价格运动方向。量化风险回报比指标，即夏普比率和ERP的间接比较，构成风险的内在价值判断框架。

通过模糊隶属度将连续指标转化为风险供求档位，实现对市场估值状态供需匹配的分类，从而决定买卖时点。整体估值逻辑简洁但具有创新性，结合金融风险理论和投资者预期动态调节资产配置。

---

五、风险因素评估

报告中隐含并间接提及了以下风险因素与限制：

• 指标选择局限性:

选用夏普比率和ERP作为供需代理，均基于历史数据，存在估计误差，且仅能捕捉部分市场风险特征。

• 模型参数敏感性:

模糊隶属度阈值对信号精确影响显著，参数设定不当会导致信号误判或噪音增多。

• 市场环境依赖性:

策略多头表现良好与市场趋势较强时期密切相关，震荡或极端事件可能降低策略有效性，尤其空头端效果波动较大。

• 数据频率与时间窗口:

采用周度与20交易日窗口，可能滞后于市场突发变化，存在一定响应时差滑点问题。

• 交易成本与执行风险:

尽管包含了手续费考量，实操中换手率及滑点风险仍需注意，策略信号稳定性虽提升但仍有潜在策略执行风险。

报告未明确量化风险发生概率及风险缓解策略，但其稳健的信号构造方法和事件驱动设计对降低频繁交易风险提供了一定内在缓冲。[page::5,6,9]

---

六、批判性视角与细微差别

• 模型简化假设:

报告假设夏普比率和ERP能完全代表风险回报的供给和需求，忽略了市场其他影响供需的结构性因素（如流动性风险、政策风险等）。这可能导致模型在特定市场环境失效。

• 固定历史滑动窗口:

模糊隶属度算法采用60周固定窗口，可能对市场长期趋势和周期变化反应不够灵敏，例如在结构性变化时期可能错误划分档位。

• 买入与卖出信号表现不对称:

多头信号明显优于空头，暗示模型对上涨行情优化较好，但对市场下跌预测不足，提示策略存在单向偏倚风险。

• 潜在过拟合风险:

虽报告未详细描述回测方法学，强烈的历史拟合效果需谨慎对待，缺少对策略稳定性的跨市场、多品种验证。

• 策略逻辑或存模糊:

模糊隶属度虽然解决了量纲和波动频率问题，但也可能弱化指标的变化敏感性，导致涨跌头部和尾部信号滞后。

上述观点并非对报告结论的否定，而是提醒模型使用者在实际应用时需结合市场多种信息和其他风险管理机制，防范理论与实操脱节。[page::4,9]

---

七、结论性综合

本文围绕市场风险回报供需平衡构建了一套创新的择时策略。核心贡献为：

• 确立夏普比率和ERP作为风险回报的供给和需求代理指标，在经济学和金融学理论基础上建立风险回报供需框架。

- 采用模糊隶属度算法将不同量纲的连续指标转化为统一的高/中/低档位，极大缓解了指标可比性和信号稳定性难题，提高了策略的操作性和预测精度。

• 实证结果显示，该基于风险供求不匹配的择时策略在上证综指的多头运用上表现稳定，长期20交易日平均收益3.8%，胜率74%，回避市场风险能力较强，尤其在牛市和大跌行情中有效。

- 策略空头端表现尚可，具有一定下行保护能力，但整体不及多头表现，提示其在极端震荡市表现有限。

• 参数敏感度分析强调合理阈值对模型效用的重要性，避免过度信号和噪声干扰。

- 该策略从理论上丰富并补充了传统以动量和反转为代表的择时框架，具潜力引入实际投资体系中，提升风控与择时精准度。

此外，通过详尽图表（包括策略信号与价格曲线、累计净值曲线、事件驱动收益及分年度绩效等）的展示与分析，报告清晰验证了理论逻辑在实证层面的有效性和适用性。

总体来看，报告提供了一个系统且科学的风险回报供需模糊匹配择时模型，既有良好的金融理论支撑，又兼顾实操的可行性，具有较高的参考价值和应用潜力。未来可在多资产类别、不同市场环境下进一步检验，并结合更丰富的指标体系和动态参数调节，以提升策略稳定性和适应性。[page::0-10]

---

附图示例（部分）

图1 模型框架图

图5 事件发生后20日累计收益率

---

综合报告以上内容全面解读了《基于风险供求模糊匹配的择时策略》的理论框架、核心模型设计、数据证明、策略表现及关键风险，解释了图表含义及与文本间的逻辑联系，供策略研发人员和量化投资者参考。

报告